LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
master-f完成签到 ,获得积分10
1秒前
今后应助珠手知由采纳,获得10
2秒前
2秒前
2秒前
gaogao发布了新的文献求助10
2秒前
3秒前
小二郎应助volvoamg采纳,获得20
3秒前
庸尘完成签到,获得积分10
4秒前
tracer526发布了新的文献求助10
4秒前
swy完成签到,获得积分10
4秒前
5秒前
CipherSage应助花渐开采纳,获得10
6秒前
克莱完成签到,获得积分10
7秒前
顾矜应助John采纳,获得10
7秒前
7秒前
端庄半凡完成签到 ,获得积分10
8秒前
lezbj99发布了新的文献求助10
9秒前
香蕉觅云应助三石采纳,获得10
9秒前
wangshuyan发布了新的文献求助10
10秒前
13秒前
13秒前
tracer526完成签到,获得积分10
13秒前
英姑应助小七采纳,获得10
14秒前
中中发布了新的文献求助10
14秒前
王二哈完成签到,获得积分10
15秒前
16秒前
liza完成签到,获得积分10
16秒前
humorlife完成签到,获得积分10
16秒前
彭于晏应助高高诗柳采纳,获得10
17秒前
bkagyin应助周凡淇采纳,获得10
17秒前
劲秉应助周凡淇采纳,获得10
17秒前
背后飞松完成签到 ,获得积分10
18秒前
飘逸宛丝完成签到,获得积分10
18秒前
volvoamg发布了新的文献求助10
19秒前
听闻完成签到,获得积分10
19秒前
啦啦啦完成签到 ,获得积分10
20秒前
wangyuan发布了新的文献求助10
20秒前
瘦瘦的寒珊完成签到 ,获得积分10
24秒前
liuweiwei完成签到 ,获得积分10
24秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3190283
求助须知:如何正确求助?哪些是违规求助? 2839564
关于积分的说明 8024584
捐赠科研通 2502505
什么是DOI,文献DOI怎么找? 1336607
科研通“疑难数据库(出版商)”最低求助积分说明 637841
邀请新用户注册赠送积分活动 606051